烟草行业大数据应用建设方案.pptx

烟草行业大数据应用建设方案.pptx

《烟草行业大数据应用建设方案.pptx》由会员分享，可在线阅读，更多相关《烟草行业大数据应用建设方案.pptx（52页珍藏版）》请在冰点文库上搜索。

烟草行业大数据应用规划建设方案,1烟草行业发展背景及现状分析,烟草行业大数据应用建设要求,2,烟草行业大数据应用系统解决方案,3,目录CONTENTS,我国是烟草生产消费大国，行业在国家财政收入占支柱地位,我国是全世界最大的烟草生产国与消费国，生产并消费了全球1/3的卷烟，有3.5亿烟民,占世界总数的25%，其烟草生产占全球的35%，而烟草销售占全球的32%，八项指标位居“世界第一”,烤烟种植面积第一；烤烟产量世界第一；烤烟增长速度世界第一；卷烟产销量世界第一；卷烟增长速度世界第一；吸烟人数世界第一；吸烟人数增加数量世界第一；烟税增长速度世界第一。

烟草行业经济效益逐年稳步增长，现已居各行业之首，成为国家财政收入的支柱产业。

2016年，我国烟草行业上缴国家财政10006亿元，占国家财政收入的6.27%。

烟草在财政收入占支柱地位,世界最大烟草生产与消费国,八项世界第一,烟草行业经过多年快速增长之后，近两年销量出现大幅下跌,烟草行业的销量从2003年开始爆发，2004年进入高速增长时期，销售量年增长幅度超过3%，2014年销售量达到顶峰的超过5000万箱，但是从2015年开始销售量出现大幅下跌，年销量环比跌幅在2%左右。

单位：

万箱,针对影响行业发展问题，以提升精细化管理水平为改进目标,影响烟草行业发展的因素,01经营理念滞后，市场化运作程度较低我国烟草企业是国家所有制，其生产和销售基本上是“皇帝女儿不愁嫁”，长期在国家计划经济体制下生存，基本上都是封闭行业内生产与经营，普遍缺乏市场竞争意识，理念滞后，机制僵化，缺乏先进的经营管理手段。

02烟草企业分散管理，缺乏核心竞争力我国烟草行业虽然通过近几年来改革与创新，整合与再造，我国烟草工商企业数量依然过多，且行业过于分散，集中程度太差，行不成有一定竞争力的规模烟草集团，生产和经营企业数量虽多，但是大多数经营规模小，经济效益低，缺乏竞争力，尤其是商业企业更是如此。

03运营机制欠缺，缺乏先进的经营管理手段从目前来看，我国烟草企业运行机制存在欠缺，资金规模小，盈利水平还处于较低水平，经营管理手段落后。

许多烟草企业自身没有科研人员，自主研发能力差，企业依附性强，专业化协作水平低，一方面经营品种小而全，另一方面经营领域狭窄，企业资源配置极不合理，缺乏抗市场风险的能力。

04技术重视不够，缺乏足够的科技创新能力烟草企业的科研、生产、推广和销售是相互分离的，科研经费虽然比较充足，但由于管理层重视不够，科研水平还处于较低层面，科研成果转化速度慢，很难形成一个良性循环的产业链条。

同时，由于行业过于分散，单个企业规模小，尤其是以烟草商业为重，资金有限，大都不具备科技创新能力，虽然有少数企业自身也从事科研，但其科研条件、科研人员数量和科研成果推广都落后于其他产业，这使我国烟草业科技创新严重不足，在竞争中处于不利地位。

提升精细化管理水平打造市场化烟草企业,改进目标,烟草行业发展背景及现状分析,1,烟草行业大数据应用建设要求,2,烟草行业大数据应用系统解决方案,3,目录CONTENTS,烟草行业推进精细化管理是烟草领导的重要指示,烟草领导曾对上海和山西烟草在精准营销工作方面取得的成绩予以充分的肯定，并提出：

“今后的卷烟营销要讲求【精确信息、精准投放与精细管理】，实现从总量控制向精确性调控转变，从多层节的向通道式的信息渠道转变，从多环节的向扁平化的投放方式转变。

”,大数据时代的技术为烟草行业推进精细化管理提供重要抓手,优化客户关系,烟草企业通过深度分析用户海量数据，可在复杂环境下及时把握用户体验效果，挖掘消费者的烟草包装、口感、购买渠道等偏好，从而在此基础上实施精准营销。

降低经营风险,大数据时代，企业借助大数据、云计算等有效技术工具，通过深度挖掘数据流量与信息价值，可以更早洞悉烟草从设计到生产到销售各环节存在的问题，及时调整生产经营过程。

减少资源浪费基于多方大数据的融合分析和利用，最大程度避免基于企业自有数据进行决策的片面性，从而减少烟品开发不断试错带来的资源浪费，提升烟草企业经营的投资效益和效率。

提升竞争能力通过快速挖掘和运营大数据，并将其应用于指导烟草企业的战略决策和日常运营工作中，可以帮助烟草企业在原料采购、烟品设计等环节形成更具竞争力的优势。

烟草大数据精细化管理要求,大数据时代的代表性技术：

云计算平台大数据挖掘万物互联网智能化终端,基于新时代的要求，部分公司陆续开展大数据研究和应用,基于区域市场价值分析的新品投放研究目标为解决两大经营管理问题：

市场洞察：

对区域市场现状和需求了解不够清楚渠道管理：

对渠道新品投放和库存管理指导不足,基于大数据用户画像的精准营销研究目标为提升两大市场营销能力：

客户画像：

深度掌握烟草消费者行为与偏好特征精准营销：

提升用户在海韵之友微店的用户体验,烟草公司实施大数据应用既存在机遇，也面临着挑战,机遇,挑战,行业内实施大数据研究普遍存在的不足：

产业链应用场景欠缺只实现有限的少数应用场景，基于全产业链的大数据应用场景还需要增加面向全行业服务不足部分兄弟公司的出发点主要侧重于满足自身应用需求，还没有从全行业考虑生态圈数据融合空白基于内部和外部、上游和下游等多方数据的融合在行业内还是空白,烟草公司开展大数据研究面临的挑战：

组织机构有待建立缺少开展大数据运营和推动合作的机构业务应用有待规划大数据支撑经营决策的实际应用还欠缺数据来源有待补全产业链中部分环节的数据缺失支撑平台有待搭建缺少支撑数据采集、存储、分析和应用的平台,1,2,3,1,2,3,4,为了抓住机遇并应对挑战，建议烟草企业以数据驱动企业转型发展为目标开展大数据应用,以数据驱动企业转型发展,数据如何驱动跨界合作？

数据如何驱动业务提升？

数据如何驱动管理优化？

组织机构、数据合作、支撑平台的优化和完善,消费者深入洞察产品研发和设计消费者忠诚维系营销策略的制定,生产设备的监控生产辅料的选择生产需求的预测品类上架的决策,业内应用的跨界对外服务的跨界数据融合的跨界平台建设的跨界,研究基础,研究内容,研究目标,烟草企业大数据应用系统的建设内容,大数据应用系统建设内容,01应用建设选取产业链中的业务痛点，利用大数据专业团队的数据分析、建模和挖掘能力，提供从市场到设计到采购到制造到零售全产业链环节的大数据应用支撑。

04组织建设组建专业化、协同化的大数据运营团队，负责数据应用专题的设计、分析和推广，以及大数据平台的运营维护等工作。

02数据建设通过内联外拓的方式，汇集烟草公司、业内伙伴（如零售户、商业公司、国家）和第三方（如、电信运营商）的数据，形成具有强大话语权的快消大数据生态。

03平台建设基于成熟的大数据平台技术，建设烟草公司的大数据运营和交互平台，为数据的汇集和应用的支持提供稳定高效的基础IT平台。

烟草行业发展背景及现状分析,1,烟草行业大数据应用建设要求,2,3烟草行业大数据应用系统解决方案,目录CONTENTS,1应用建设,2数据建设,3平台建设,4组织建设,烟草行业大数据应用系统解决方案,5分阶段计划,选取全产业链环节的痛点提供大数据应用的支撑,主、辅料供应商,其他物资供应商,零售环节,零售户,工业公司,生产,设计,采购,商业公司,营销环节,1234种植环节设计环节采购环节生产环节原料供应商,市县公司,销售网点,原料种植数据支撑,烟品设计数据支撑,原料采购数据支撑,生产管理数据支撑,市场营销数据支撑,商品配送数据支撑,消费者分析数据支撑,5,6,应用1-种植环节：

通过气象数据判断适合种植烟草的区域,卫星数据分析,卫星遥感采集,区域温度数据,经、纬度数据,土壤水分数据,烟草种植区域定位决策辅助,填充型烤烟原料种植区域,烤烟原料种植区域粗颗粒定位云南省大部，贵州全省，川南、湘西、鄂西南及桂西南,精细化定位乡村,粗颗粒定位大、小兴安岭，长白山，辽东半岛和渤海沿岸平原,精细化定位镇区,雪前烟原料种植区域粗颗粒定位陕西南部、湖北西部、甘肃东南部和四川盆地,精细化定位农场,应用2-设计环节：

通过消费者数据辅助决策烟品的设计,烟草专业网站,论坛贴吧网站,网络社交软件,会员营销系统,用户讨论及评价数据,用户信息及交易数据,各渠道零售订货数据,基于大数据的消费者分析,卷烟价位,包装形式,烟支规格,感官质量,消费者烟草偏好,10元档20元档,硬装软装,烟支长度滤嘴长度,尼古丁含量香精味道,基于消费者需求的烟品设计,香气类型设计烤烟型、混合型、外香型、薄荷型、雪茄型、新混合型等类型设计,烟品风格设计设计叶丝、梗丝、膨胀叶丝、烟草薄片丝等配方用叶的类型和比例。

产品等级设计按照优质优用的原则设计卷烟的烟叶原料、各种生产辅料等。

销售价格设计基于目标消费者群体的价格接受能力，设计产品的销售价格区间。

应用3-采购环节：

结合遥感等数据支撑烟叶采购计划制定,香气类型数据烟品风格数据产品等级数据销售价格数据,烟叶采购预测分析,经、纬度数据区域温度数据土壤水分数据日照时间数据病、虫害数据,卫星遥感数据,烟品设计数据,采购历史数据历史采购地点数据历史采购数量数据,烟叶库存数据当前库存量数据生产使用量数据,采购地区xx乡村/xx镇区/xx农场/采购类型,烟叶采购计划,烤烟型/混合型/外香型/采购频次按月/按季/按半年/采购时间月初/月中/月末/采购数量xx万担,数据挖掘专题分析,应用4-生产环节：

通过烟叶光谱数据分析自动化挑选烟叶,烟叶品质等级划分标准,检测位烟叶色色泽表置泽现,上部（B）,柠檬黄（L）,烟叶表面呈现纯正的黄色，包括正黄和淡黄,色泽分品质等烟叶色类级度1B1L浓,2,B2L,3,B3L,4,B4L,）,烟叶表面以黄色为,橘黄（F主，并呈,现较明显的红色，包括金黄和深黄,1,B1F,浓,2,B2F,3,B3F,4,B4F,烟叶表面呈现红色红棕（R或浅棕色，）包括橘红、浅红棕和红棕,1,B1R,浓,2,B2R,强,3,B3R,色度表现烟叶表面均匀、饱满、视觉色彩反映强烟叶表面颜色均匀、强尚饱满、视觉色彩反映一般烟叶表面颜色稍有不中均、不够饱满、视觉色彩反映一般烟叶表面颜色不均、弱饱满度差、视觉色彩反映较弱烟叶表面均匀、饱满、视觉色彩反映强烟叶表面颜色均匀、强尚饱满、视觉色彩反映一般烟叶表面颜色稍有不中均、不够饱满、视觉色彩反映一般烟叶表面颜色不均、弱饱满度差、视觉色彩反映较弱烟叶表面均匀、饱满、视觉色彩反映强烟叶表面颜色均匀、尚饱满、视觉色彩反映一般烟叶表面颜色稍有不中均、不够饱满、视觉色彩反映一般,L*值（明度值）a*值（红绿色度值，正值代表红色度，负值代表绿色度）b*值（黄蓝色度值，正值代表黄色度，负值代表蓝色度）C*值（饱和度）h*值（色调角）E值（总色差值）,光电色泽鉴别仪,光谱扫描分析,烟叶品质量化数据,烟叶品质,自动识别分析模型,采集烟叶光谱数据,自动化挑选烟叶,减少人工挑选的误差提高选烟工作的效率,支撑,价值,应用5-营销环节：

基于整合的市场数据提高需求预测准确率,组合式需求预测,往期市场投放数据,季节需求趋势周期需求趋势,需求变化预测模型,目标市场经济数据卷烟价格、当地GDP水平、城镇人口可支配收入、农村纯收入等,目标市场需求数据客户经理收集需求数量、当地人口数量、消费者偏好、替代品价格,整合的市场数据,商业公司货源组织策略,品牌类型、烟品规格、销售价格、投放数量、投放时间等,销售价格趋势,价格变化预测模型,趋势预测当前需求趋势长期需求趋势,价格预测,数量预测,需求数量预测模型,需求数量趋势,上升下降持平,预测,预测,预测,预测结果,品牌策略本期采购的品牌,规格策略本期采购的规格普通规格、短支细支、,数量策略本期采购的数量A品牌短支细支xxx条,B品牌长支细支xxx条,应用6-零售环节：

通过零售户数据辅助决定新品投放策略,零售户综合评价模型,订单行为表现订货总量、订单金额、订货频次,销售烟品偏好品牌类型、价格档次、新旧程度商圈活跃度周边星级酒店、咖啡厅、KTV等消费水平区域宏观表现所在城市的人均GDP、单位面积GDP、人口密度、区域内总POI数量、区域内总的星级酒店、总商场数目零售覆盖网络单位人口对应的零售户数量、单位人口对应的香烟销售额、单位面积对应的零售户数量,零售户数据,零售户投放的频次,零售户投放的数量,新品投放的零售户,新品投放的地市和区域,工业公司新品投放策略,新品的销售价格,数据分析,决策支持,烟草行业大数据应用系统解决方案,通过内联外拓形成烟草公司的大数据生态圈,用户评论数据,通信行为数据,人口属性数据,卫星遥感数据,用户标签数据,微信交易数据,合作方数据,数据应用方,数据交易方,数据加工方,数据产生方,数据汇聚方,大数据生态圈,烟草公司数据,互联网数据,用户订购数据,用户属性数据,零售户属性数据,设备运行数据,零售户订货数据,.,论坛商情,地理位置,网络舆情,用户画像,烟草行业大数据应用系统解决方案,基于用户ID信息匹配的用户数据拉通技术,通过用户ID信息的匹配，拉通各数据触点的用户属性数据和行为数据。

用户多ID识别技术可实现跨屏、跨渠道、跨平台、跨浏览器、跨网站用户打通。

网站行为数据网页浏览、广告点击（内容偏好）,移动APP应用数据APP下载、安装及使用网页浏览、广告点击（内容偏好）移动终端信息系统版本、激活时间,WIFI接入数据到访记录移动轨迹,企业官方网站行为数据网页浏览、广告点击（内容偏好）企业SNS用户声音发帖、回帖、评论企业交易数据用户订单,SNS用户声音发帖、回帖、评论,线下行为数据线下活动参与号码属性运营商及制式归属地,EDM推送信息,手机号码,Email,Cookie,MAC,IMEI,-,IDFA,第三方账号,用户的企业账号,通过用户ID的拉通来整合各触点用户行为数据,TIME,浏览,Cookie,注册,登录Cookie+账号,交易,Cookie+账号+手机号,购买,应用端拉通各类用户ID记录的行为数据,客户端,烟草行业大数据应用系统解决方案,1应用建设,2数据建设,3平台建设,4组织建设,5分阶段计划,功能架构：

基于成熟的架构体系搭建烟草大数据应用系统,个性化推荐,用户标签画像,数据挖掘洞察,业务支撑,数据来源,数据采集,数据处理,数据应用,数据接入,数据存储,数据标准化,数据结构化,数据稽核,元数据管理,文本分析,建模分析,统计分析,日志分析,标签管理,数据报表,数据共享服务,合作伙伴数据,互联网数据,烟草公司数据ERPCRMMES营销系统数采系统国家局下行,种植区域定位,新款烟品设计,烟叶采购规划,烟叶挑选自动化,市场需求预测,新品投放规划,数据架构：

提供实时和非实时的大数据存储与计算服务,数据源,烟草公司业务平台数据,第二方合作渠道数据,数据接入,数据存储及计算,Sqoop数据库接入,RESTFULAPI接口接入,数据应用,数据洞察,Kafka消息队列实时数据接入,第三方匹配补充数据,数据服务,RESTFUL,Sqoop数据库导出,Ftp文件导出,用户画像,精细化运营,FTP/Flume文件接入,数据平台基础管理,HDFS分布式文件系统,MySQL关系数据库,HBase列式数据库,Spark内存计算,据,平,配置和调度,安,数全,访,台Zooke问eper,认证读写权限,Spark批处理,Storm流式计算,Redis内存数据库,个性化推荐,数据共享服务,部署架构：

采用多中心、热切换的架构保障724可靠运行,本地生产中心,云安全,云监控,负载均衡,应用服务器,应用服务器,主数据库,备数据库,文件存储,DNS服务器,主备同步,异地容灾中心,云安全,云监控,负载均衡,应用服务器,应用服务器,主数据库,备数据库,文件存储,主备同步,数据库异地复制,文件异地复制,烟草行业大数据应用系统解决方案,1应用建设,2数据建设,3平台建设,4组织建设,5分阶段计划,数据挖掘洞察用户标签画像个性化推荐数据共享服务,数据洞察产品提供数据采集到结果呈现的全流程支持,卫星遥感数据,用户信息数据,管理驾驶仓,营销驾驶舱,采购驾驶舱,生产驾驶舱,数据收集,数据分析,数据呈现,种植区域分析,用户画像分析用户需求分析,烟品属性数据烟叶库存数据,采购历史数据,光谱分析数据,零售户数据,地理位置数据,原料采购分析,烟叶质量分析,市场需求分析,新品投放分析,烟草行业大数据应用系统解决方案,1应用建设,2数据建设,3平台建设,4组织建设,5分阶段计划,数据挖掘洞察用户标签画像个性化推荐数据共享服务,基于从下到上、里外结合的方法构建烟草公司标签体系,1、收集报表和专题应用，整理其中的各类客户、产品等指标2、根据一定的规则，筛选出可转换为标签的有效指标,1、借鉴同类项目中客户、产品等标签体系的设计成果和经验2、安排专家级咨询顾问，设计标签体系构建调研问卷,1、通过调研问卷，向业务部门了解客户、产品等标签的需求2、针对营销、运营等直接对口业务部门，开展面对面的标签体系需求访谈,分析客户、产品等数据,输入行业同类经验,标签体系的梳理遵循从下到上的原则，即从已有的报表、专题等“准标签”数据入手，结合同类项目的建设经验，充分与业务部门沟通，形成标签体系梳理的指导要求。

业务部门调研,形成烟草公司客户、零售户、产品和区域共四套标签体系,零售户标签体系,产品标签体系,区域标签体系,客户（消费者）标签体系,零售户标签以全国500余万家零售户为对象，依赖全行业订单数据，描述各零售户及其经营者的基本信息、销售行为特征，同时通过模型算法深入挖掘零售户价值。

产品标签以全行业各品牌近三年有订单记录且重点关注的不同规格的卷烟产品为对象，主要依赖产品和行业订单数据，描述各类产品的基本属性和互联网评价，以及在各区域市场的供需情况。

区域标签以全国34个省市自治区以及下属各城市、区县为对象，描述各区域的基本信息以及区域内各产品的销售情况和市场特征。

客户（消费者）标签以在烟草公司微信公众号、官方论坛注册的用户ID为基础，通过合作伙伴数据和第三方补充数据丰富用户信息，描述用户的基本信息和购买信息，同时通过模型算法挖掘产品偏好。

提供多种数据处理方法生成烟草公司的标签体系,.,时间序列SVR,预测算法定价模型动态模型,逻辑回归CLV模型,产品扩散模型流失预警模型分层贝叶斯RFM模型.机器学习特征提取建模EM,特征选择建模Bagging预测优化模型.AdaBoost推荐算法SlopeOneContent-based,AprioriNBI二部图,FPTreeHeatDiffusion,HybridCF.SVD矩阵分解相似度计算,.,余弦相似度,欧氏距离皮尔逊相似度Jaccard相似度LSH局部敏感哈希,KNN,神经网络,分类、聚类算法贝叶斯网络,SVM支持向量机,TF-IDF,VSM,文本挖掘算法TextRank,TopicModel,CRF条件随机场.LDA,指标结果,数据仓库系统,即席查询,主题分析,多维分析,数据仪表盘,传统BI分析报表展现数据挖掘,事实标签,模型标签,预测标签,标签管理系统,业务标签,全维度数据关系、预测分析,数据挖掘,商业建模,统计分析语义分析原始数据-数据清洗、标准化、结构化,业务规则,用户画像标签层次,烟草公司各类业务系统既有数据,数据探头,补充标签数据,用户行为数据,外部标签,烟草公司的四套标签体系的构建，主要采用统计分析、数据建模、数据挖掘、机器学习等方法，对多源异构整合数据及大量数据之间关系进行自动化分析后形成的标签集。

使用模型/算法,算法类标签产出示例1客户分群,运用客户细分模型细分客户群体，精准识别人群特征。

3.数据挖掘,数据挖掘工具客户细分模型,2.业务场景,用户行为偏好媒体浏览偏好,投资品牌偏好电商购买偏好,4.市场调研,兴趣偏好,交易偏好,基本属性,投资偏好,5.输出客户群特征,品质生活一族消费水平：

每月超过2万元,购物习惯：

经常大额消费品牌偏好：

Dior、Prada、MK、Channel、Burberry行为特征：

热爱生活、爱读书、关注新闻时事爱家一族,购买能力：

每月超过2万元购物习惯：

关注促销信息购物偏好：

偏爱家居及生活用品，喜欢团购网站、爱美食,商务人士消费水平：

每月超过3万元活动区域：

多个城市，变化较大经常购买全价机票，入住商务酒店次数较多旅游达人,媒体偏好：

旅游频道、航空公司,购物习惯：

旅游用品,购物偏好：

出境游、经常关注特价机票,1.数据采集,烟草公司自有数据匹配数据在线市场调研数据,算法类标签产出示例2高价值客户,利用RFM模型将细分客户群分为不同价值等级，因地制宜实施营销策略客户价值模型（RFM）被广泛用于客户关系管理（CRM）的分析模型中，RFM模型应用于衡量客户价值和客户创造利润能力衡量客户价值和客户创利能力通过有效细分客户强化客户关系管理体系流失预警分析,客户最近购买了什么？

交易日期越近，客户等级越高,客户多久购买一次？

交易频率越高，客户等级越高,客户消费了多少钱？

交易金额越高，客户等级越高,最近一次交易Recency,交易频率Frequency,交易金额Monetary,算法类标签产出示例3流失预测,决策树算法,特别严重（挽回）严重（维系）较重（预防）一般（正常）,通过数据挖掘捕捉用户流失特征分析和测算出潜在流失用户数据预警自动化动态标识流失预警用户,数据分析客户流失预警模型建模过程,结果输出,烟草行业大数据应用系统解决方案,1应用建设,2数据建设,3平台建设,4组织建设,5分阶段计划,数据挖掘洞察用户标签画像个性化推荐数据共享服务,个性化推荐引擎的闭环运营流程包含五个核心环节,分析,策略,执行,评估,要素3,算法/规则,要素4,要素5,效果评价,子要素2.1用户兴趣分析,子要素2.2用户场景分析,子要素2.3用户意图挖掘,子要素3.2营销资源,子要素3.1营销目标,子要素3.3营销规则,展现方式子要素4.1用户接触场景,子要素4.2展现方式选择,子要素5.2事后评估,子要素5.1即时评估,子要素5.3持续改进策略,推荐场景,用户用户近期历史需求偏好,当前用户场景意图,推荐方式,推荐效果,推荐准确度,产品覆盖率,推荐多样性,推荐新颖性,个性化推荐算法个性化推荐引擎,推荐规则,自定义规则,采集,要素1,数据采集,子要素1.2数据源清洗,子要素1.1数据源分析,子要素1.3标准数据接口,数据接口,第三方数据,要素2,场景计算,个性化推荐引擎提供丰富的推荐策略和算法,过滤规则,去重规则,排序规则,规则,自定义规则,个性化推荐引擎通过A/BTest方法逐渐优化推荐策略和算法,方案制定测试周期测试KPI数据交换周期实施计划,有无测试多家对比多规则对比,率,害服满意度,ALL,未采用推荐人群测试,启用推荐的人群测试,分流,分流,评分A,评分B,根据推荐评估指标，直接验证推荐结果,流A量/分B配Test原理,可通过体系化的评估指标实现个性化推荐引擎的闭环管理,推荐覆盖率,种类覆盖率,预测覆盖率表示系统可以预测评分的商品占所有商品的比例。

推荐覆盖率表示系统能够为用户推荐的商品占所有商品的比例。

种类覆盖率表示推荐系统为用户推荐的商品种类占全部种类的比例。

推荐新颖度新颖度是影响用户体验的重要指标之一。

它指的是向用户推荐非热门非流行产品的能力。

用户间多样性,用户内多样性,用户间的多样性（intra-user-diversity）衡量对不同用户推荐不同商品的能力。

用户内的多样性（inter-user-diversity）衡量对一个用